НКЦКИ озаботился защитой пользователей от атак через веб-приложения

НКЦКИ озаботился защитой пользователей от атак через веб-приложения

НКЦКИ озаботился защитой пользователей от атак через веб-приложения

Ввиду роста количества атак в рунете Национальный координационный центр по компьютерным инцидентам (НКЦКИ) опубликовал рекомендации по повышению уровня защищенности веб-приложений и минимизации рисков для пользователей.

При проведении атак на пользователей веб-приложений злоумышленники зачастую используют зависимости в коде, обеспечивающие взаимодействие со страницами сайта на стороне клиента, — подключаемые JavaScript-библиотеки, фреймворки CSS, информационные, аналитические и защитные плагины, а также шрифты, подгружаемые со сторонних серверов. Подмена таких модулей позволяет авторам атак размещать на сайтах вредоносные скрипты, собирать конфиденциальные данные посредством фишинга, перенаправлять пользователей на потенциально опасные ресурсы.

Для повышения безопасности веб-приложений и предотвращения злонамеренного вмешательства в их работу НКЦКИ рекомендует (PDF) принять следующие меры:

  1. Предоставить законным пользователям возможность самостоятельно завершать сеансы работы в веб-приложении.
  2. Обеспечить гарантированное удаление идентификатора сессии по ее завершении на стороне клиента.
  3. Ввести обязательную аутентификацию для доступа к защищенным ресурсам веб-приложений и внесения изменений в профили пользователя.
  4. Обеспечить криптозащиту аутентификационных данных пользователей при хранении.
  5. Исключить хранение аутентификационных данных и информации о структуре каталогов на сервере в файлах, доступных по URL.
  6. Запретить использование заголовка REFERER в качестве основного механизма авторизации.
  7. Использовать параметризованные запросы к базам данных SQL, либо применить санацию пользовательского ввода.
  8. Использовать фильтрацию входного потока данных.
  9. Запретить использование HTML-тегов <img> и <table> в пользовательском вводе.
  10. Очистить сообщения об ошибках от такой информации, как данные о структуре файловой системы, фрагменты кода, подробности обращения к СУБД; ввести в обиход страницу-заглушку с кодом ошибки 200.
  11. Использовать надежные протоколы для аутентификации пользователей (Kerberos, TLS 1.2 и выше).
  12. Использовать POST-запросы для передачи аутентификационных данных на сервер.
  13. Исключить использование внешних сущностей, внешних параметров сущностей и внешних описаний типа документа при обработке данных в формате XML.
  14. Запретить кеширование конфиденциальных данных, вводимых в веб-формы, ограничить доступ к содержимому куки-файлов с помощью атрибутов HTTPOnly и secure.
  15. Обеспечить проверку корректности вводимых пользователем данных и на стороне клиента, и на стороне сервера.
  16. Включить в HTTP-заголовки сведения об используемой кодировке и запретить ее замену для всех источников входных данных.
  17. Ввести проверку благонадежности стороннего JavaScript-кода перед его использованием.
  18. Регулярно проверять хеш-суммы файлов JavaScript; при обнаружении изменений следует немедленно прекратить использование кода и повторно проверить функциональность.
  19. Отказаться от использования динамически формируемых JavaScript.
  20. Отдавать предпочтение загрузке внешних зависимостей из контролируемых источников.
  21. Разработать и поддерживать в актуальном состоянии планы реагирования на DDoS-атаки, утечки, дефейс сайта, несанкционированный доступ к интерфейсу управления.
Подпишитесь на новости

Не просто стойка с GPU: в России собрали ПАК для корпоративного ИИ

«Лаборатория Числитель» и «Информзащита» представили программно-аппаратный комплекс, который должен помочь крупным компаниям перейти от вечных ИИ-пилотов к нормальной промышленной эксплуатации моделей. Решение анонсировали на форуме TNF-2026.

В основе ПАК — высокопроизводительный ML-кластер и российская платформа контейнеризации «Штурвал». Но создатели подчёркивают: это не очередная дорогая стойка с GPU, на которой каждый проект приходится собирать руками.

Комплекс превращает вычислительные мощности в единый управляемый ресурс. ML-специалист запускает задачу, а платформа сама выделяет CPU и GPU, поднимает нужное окружение, подключает хранилище, запускает обучение и масштабирует нагрузку. Для автоматизации используются Kubernetes и инструменты MLOps, включая Kubeflow, MLflow и model serving.

Архитектура состоит из четырёх уровней: аппаратной инфраструктуры, платформы «Штурвал», MLOps-стека и прикладных ИИ-сервисов — от прогнозирования и аналитики до корпоративных ассистентов. Вокруг ядра работают IAM/SSO, объектное хранилище, реестр образов, CI/CD, мониторинг и аудит.

Заказчики получают единый пул вычислительных ресурсов, изоляцию проектов, централизованное управление доступами и полный жизненный цикл моделей — от эксперимента до публикации и обновления. При этом ML-инструменты не лезут напрямую в железо, а получают инфраструктуру как сервис.

Как сообщается в публикации о проекте, архитектура уже прошла промышленную эксплуатацию у крупного государственного заказчика.

RSS: Новости на портале Anti-Malware.ru